超精密加工在线检测与误差补偿的理论与方法

超精密加工技术是高新技术、现代机械、电子产业以及国防工业的重要支柱,已成为技术发达国家重要的竞争目标。我系自１９８２年以来开展超精密加工技术的研究已有十多个年头了,取得了重要进展和重大突破。本文就所进行的研究工作,综合介绍了超精密加工中的若干理论与方法,包括形状误差在线检测的误差分离、误差补偿控制、微进给机构的非线性建模、微位移检测等内容,最后介绍了我系所取得的主要成果。     

微型计算机控制的六维激光加工系统

介绍了一种六维(三维平动,三维转动)激光加工系统,该系统主要为金属表面热处理而设计,但亦可用于激光切割。还是一个设备投资少,功能多以及扩充性好的加工系统。     

国有企业党建工作与中国共产党历史使命深度融合的研究

党的十九大报告指出,中国共产党人的历史使命是为中国人民谋幸福,为中华民族谋复兴.要实现这一历史使命,需要让更多的改革成果更加公平普惠地惠及全体人民,让人民拥有更多的获得感和幸福感.为了实现这一目标,就需要壮大和发展国有企业.国有企业是社会主义公有制的重要基础,也是国民经济发展的重要基础.国有企业开展党建工作,融入中国共...     

"六维之法"推动国企科研院所党建与中心工作深度融合

本文以中国核动力研究设计院第四研究所在党建与中心工作深度融合方面的实践,探讨分析了在国企科研院所推进两者深度融合的方式方法.结合新时代新要求及院所实际,四所创新实践党建与中心工作深度融合的"六维之法",即铸牢思想之魂、解决发展之忧、塑造体系之形、创新党建之法、深植文化之基、打造党务之师,收获了显著成效.几年来,四所党建...     

基于ResMLP模型的遥感影像场景分类算法式实现

基于深度学习的遥感影像场景分类研究进展迅速,但是大多数方案下的算法需要消耗大量的计算机资源,难以直接部署在嵌入式系统上,无法为潜在的卫星在轨任务提供支持。针对这一问题,研究了一种基于ResMLP模型的遥感影像场景分类算法,并根据嵌入式系统的特点对算法进行了优化,完成了模型的嵌入式实现,实验结果表明,该算法在嵌入式系统中仅需要18.4M的params对遥感影像分类的TOP-1准确率就达到了85.9%,兼具准确性和简洁性。     

基于深度迁移学习的低分辨雷达目标识别方法

针对低分辨雷达人工目标识别效率较低的问题,提出了基于深度迁移学习的雷达自动目标识别方法。该方法利用雷达回波序列轮廓像构建空中目标数据集,使用深度卷积神经网络自动提取回波数据中的深层特征,并对雷达目标进行分类识别。为了解决深度学习对样本量的巨大需求,在分类模型训练时,引入迁移学习思想,将经ImageNet数据集预训练过的初始网络模型迁移到雷达目标识别任务中,再通过空中目标数据集对模型参数进行微调,实现小样本条件下对空中目标的粗分类。实测数据的结果表明：所提方法能够在小样本条件下较为准确地对空中目标的大小和架次进行分类识别,具有良好的识别性能。     

基于多标签学习的探索性仿真实验因素筛选方法

探索性仿真实验是一种认识、研究战争的重要手段,但往往面临想定样本空间复杂程度高,空间维度爆炸等问题。针对上述问题,提出一种定性定量相结合的基于多标签学习的实验因素筛选方法。首先,基于定性分析设计并实施仿真预实验,采集处理实验数据,解决机器学习样本数据缺失问题;随后,引入输入控制层搭建深度神经网络,引入稀疏正则化,在多标签模型训练过程中实现特征选择;然后,回归定性分析,补充完善实验因素;最后,以某作战样式下立体投送行动仿真推演为背景进行实验验证。实验结果表明,筛选的实验因素与作战行动现实情况吻合。     

基于智能反射面辅助的无人机主动监听优化方法

针对可疑用户可能利用无线通信危害公共安全的问题,通过智能反射面和无人机组合的方法来帮助合法监视器监听可疑链路。首先,考虑了无人机与地面用户以及地面用户之间复杂的信道交互,构建了一个合法监视器监听速率最大的优化问题。其次,为了解决这个复杂的非凸优化问题,采用深度强化学习技术,将无人机的轨迹规划和智能反射面的相移变化问题建模为马尔可夫决策过程,设计了相应的奖励函数,并基于最大熵的深度强化学习算法实现无人机和智能反射面相移设计的联合优化。最后,从仿真结果看,与无智能反射面的优化方案相比,有智能反射面的优化方案不仅提高了合法监视器的监听速率,还降低了无人机的能耗,另外智能反射面反射单元的不同数量也会对监听速率产生影响。同时,相较于近端策略优化,基于最大熵的深度强化学习算法的优化策略拥有更稳定的训练过程和更快的收敛速度。     

基于DDPG的四旋翼无人机姿态控制

针对未知环境下四旋翼无人机姿态控制实现难、鲁棒性差等问题,提出了基于深度确定性策略(DDPG)算法的智能姿态控制方法。首先,基于欧拉-庞卡莱方程,利用计算机符号推导,建立四旋翼的动力学模型;其次,基于DDPG算法设计四旋翼的姿态控制器,并在奖励函数设计中引入姿态误差、姿态角速度误差和控制量惩罚项;最后,通过设置不同初始状态值、改变四旋翼结构参数和引入噪声等仿真试验,分析验证控制器的性能。仿真结果表明,该控制器能够引导四旋翼快速响应到期望姿态并保持稳定,同时展现出较好的泛化能力。